第01章
容错控制概述
什么是容错控制？为什么需要容错控制？主动式与被动式分类。
基础概念
第02章
传感器故障模型
偏差、漂移、精度下降、完全失效，故障数学建模方法。
故障建模
第03章
传感器融合基础
多传感器融合定义、优势与挑战，数据级/特征级/决策级层次。
融合层次
第04章
卡尔曼滤波原理
标准KF数学推导，状态预测与更新方程，适用条件。
KF估计
第05章
扩展卡尔曼滤波 (EKF)
非线性系统线性化，EKF融合应用，雅可比矩阵计算。
EKF非线性
第06章
无迹卡尔曼滤波 (UKF)
无迹变换原理，Sigma点选取与权重，UKF vs EKF。
UKFUT
第07章
粒子滤波 (PF)
蒙特卡洛方法，重要性采样与重采样，粒子退化处理。
PF采样
第08章
联邦卡尔曼滤波
主/子滤波器结构，信息分配原则，容错特性分析。
联邦容错
第09章
交互式多模型 (IMM)
多模型架构，模型概率更新，状态融合与故障应用。
IMM多模型
第10章
基于残差分析的故障检测
残差生成与评价，固定/自适应阈值，卡方检验。
残差检测
第11章
基于观测器的故障检测
龙伯格观测器，未知输入观测器(UIO)，残差敏感性分析。
观测器UIO
第12章
基于机器学习的故障检测
SVM分类器，神经网络异常检测，数据驱动优缺点。
MLSVM
第13章
故障隔离与辨识
结构化/方向性残差，故障幅值估计，最小二乘辨识。
隔离辨识
第14章
传感器重构策略
硬件/解析冗余，直接替换，基于估计值重构，加权平均。
重构冗余
第15章
基于卡尔曼滤波的传感器重构
KF状态估计，剔除故障数据，重构健康测量值。
KF重构估计
第16章
基于神经网络的重构
RBF/BP神经网络拟合传感器特性，网络输出替代读数。
NNRBF
第17章
基于主成分分析 (PCA) 的重构
PCA模型，SPE/T²统计量，缺失数据恢复。
PCA统计
第18章
信息融合中的容错架构
集中/分布/混合式架构容错对比，通信故障影响。
架构容错
第19章
一致性算法在分布式融合中的应用
平均/动态一致性协议，传感器网络容错同步。
一致性分布式
第20章
传感器故障下的数据关联
最近邻(NN)与JPDA，故障对关联正确率的影响。
关联JPDA
第21章
多目标跟踪中的传感器融合与容错
MTT框架，航迹管理，故障下航迹断裂与修复。
MTT航迹
第22章
惯性导航系统 (INS) 中的传感器融合
INS/GPS组合导航，IMU故障模式，零速修正(ZUPT)。
INSZUPT
第23章
无人驾驶车辆中的传感器融合
激光雷达/摄像头/毫米波融合，单传感器失效降级运行。
无人车降级
第24章
工业过程控制中的传感器融合
冗余传感器配置，软测量技术，过程监控故障处理。
工业软测量
第25章
航空航天系统中的传感器融合
飞行控制冗余(空速/高度/姿态)，余度管理(Voting)。
航空余度
第26章
基于深度学习的端到端融合与重构
CNN/RNN融合应用，自编码器用于重构。
DL自编码器
第27章
传感器融合系统的性能评估
RMSE，一致性检验(NEES/NIS)，FDR与FAR。
评估指标
第28章
实时性与计算资源约束
嵌入式优化，降采样与事件触发，计算负载与精度权衡。
实时嵌入式
第29章
传感器融合中的不确定性量化
随机/认知不确定性，置信区间与贝叶斯方法。
不确定性贝叶斯
第30章
综合案例：容错传感器融合系统设计
需求分析、选型、算法选择、故障检测与重构、仿真验证。
综合实战